Poliklinik Hasta Yoğunluğu Tahmini ve Vardiya Planlama

Poliklinik hasta yoğunluğu tahmini, geçmiş başvuru kayıtlarındaki desenleri kullanarak bir polikliniğe hangi gün ve hangi saat diliminde kaç hastanın geleceğini önceden kestirme işidir. Vardiya planlama ise bu tahmini hekim, hemşire ve ön büro çizelgesine dönüştürür. İkisi birlikte çalıştığında pazartesi sabahı taşan bekleme salonu ile perşembe öğleden sonra boş oturan ekip aynı bütçeden çözülür.

Türkiye'de talebin ölçeği bu planlamayı zorunlu kılıyor. Sağlık İstatistikleri Yıllığı 2024 Haber Bülteni'ne göre 2024'te toplam hekime müracaat 1 milyar 47 milyon 877 bin 901'e ulaştı; kişi başı müracaat 12,2 oldu ve bunun %56,7'si ikinci ile üçüncü basamağa yapıldı. Konya'nın da içinde bulunduğu Batı Anadolu bölgesinde kişi başı müracaat 12,9 ile Türkiye ortalamasının üzerinde, ortalama kalış günü ise 4,9 ile ülkedeki en yüksek seviyede.

Poliklinik hasta yoğunluğu tahmini tam olarak neyi öngörür?

Poliklinik hasta yoğunluğu tahmini, tek bir hastanın gelip gelmeyeceğini değil, bir zaman diliminde kaç kişinin geleceğini öngörür. Çıktı genellikle "salı 09.00-10.00 arası dahiliye polikliniğine 23 ± 4 başvuru" biçiminde bir sayı aralığıdır. Tekil randevu riski ayrı bir konudur ve ayrı bir modelle çözülür.

Bu ayrım pratikte önemlidir. Tekil randevu riskini, yani belirli bir hastanın gelmeme olasılığını hesaplayıp hatırlatma ve bekleme listesi akışlarını buna göre kurmayı özel klinikte randevuya gelmeyen hasta oranını düşürme rehberinde ele almıştık. Buradaki konu toplam talep eğrisidir: kaç kişilik ekip, hangi saatte sahada olmalı? Bir klinik gelmeyen hasta oranını sıfırlasa bile, pazartesi ile perşembe arasındaki yük farkı sabit çizelgeyle yönetilemez.

Yöntem olarak bu iş, perakendedeki satış tahmininin aynısıdır. Yapay zeka ile stok ve talep tahmini rehberinde anlatılan mevsimsellik, trend ve takvim etkisi mantığı poliklinik başvurusunda da geçerlidir; değişen tek şey, stok yerine insan saatinin planlanmasıdır.

Sabit çizelge neden hem maliyeti hem memnuniyeti kaybettirir?

Sabit çizelge, ortalama talebe göre kurulduğu için zirve saatlerde yetersiz, ölü saatlerde fazla kalır. Ortalama yükü karşılayan bir ekip, başvurunun sıkıştığı iki saatlik zirvede kuyruk üretir; talebin düştüğü dilimde ise aynı ekip ücretli ama üretimsiz bekler. Maliyet ve memnuniyet aynı anda kaybedilir.

Kuyruk davranışı doğrusal değildir. Kapasite kullanımı doluluğa yaklaştıkça bekleme süresi, yükteki artışa oranla çok daha hızlı büyür; neredeyse tam dolu çalışan bir poliklinikte 10 dakikalık tek bir gecikme gün sonuna kadar birikir. Sağlık Bakanlığı verisinde 2024 yatak doluluk oranının Türkiye genelinde %59,8 çıkması da bu yüzden yanıltıcıdır: yıllık ortalama rahat görünürken belirli saat dilimleri tıkanmış olabilir.

Fazla mesai bu tıkanmanın pahalı çözümüdür. Zirveyi mesai uzatarak karşılamak, aynı iş gücünü daha yüksek birim maliyetle satın almak anlamına gelir; üstelik yorgunluk bir sonraki günün hızını düşürür.

Yoğunluk tahmini için hangi veriler gerekir?

Yoğunluk tahmini için hasta kimliği gerekmez; tarih, saat, poliklinik ve işlem tipi kırılımında sayım verisi yeterlidir. Çoğu klinik yönetim sistemi bu alanları zaten tutar. Model kurmadan önce ihtiyaç duyulan asgari alan seti aşağıdaki gibidir.

Takvim ve hava değişkenlerinin katkısı literatürde de tekrarlanan bir bulgudur. BMC Emergency Medicine dergisinde 2025'te yayımlanan ve 30 çalışmayı inceleyen güncellenmiş sistematik derlemede, en iyi performans gösteren modellerin çoğunda takvim ve hava değişkenlerinin yer aldığı, makine öğrenmesi yöntemlerinin klasik zaman serisi yöntemlerinden genellikle daha iyi sonuç verdiği belirtiliyor.

Veri setinin temizliği modelden önce gelir. Eksik saat damgası, iki kez açılmış kayıt veya branş adının farklı yazımları tahmini doğrudan bozar; yapay zeka için veri hazırlığı kontrol listesi bu adımı pilot öncesi yedi maddede toparlıyor.

Küçük bir klinik tek aylık veriyle nereden başlar?

Küçük bir klinik, bir aylık kayıtla bile işe yarar bir çıktı üretebilir: 30 günlük başvuruyu gün × saat matrisine dökmek, zirve ve ölü dilimleri görünür kılar. Model kurmaya gerek yoktur; elektronik tablo yeterlidir. Bu ilk ısı haritası, çizelgede yapılacak ilk kaydırmaların gerekçesini verir.

Uygulama sırası şöyledir. Birinci hafta, klinik yönetim sisteminden son 30 günün başvuru dökümü tarih-saat kırılımında dışa aktarılır; sistemin bunu CSV veya Excel olarak verebilmesi şarttır, ki bu klinik yönetim sistemi seçerken sorulacak 7 sorunun ilk maddesidir. İkinci hafta, başvurular 30 dakikalık dilimlere bölünüp haftanın günlerine göre ortalanır. Üçüncü hafta, en yoğun iki dilim ile en boş iki dilim belirlenip ön büro ve yardımcı personel çizelgesinde sınırlı bir kaydırma denenir. Dördüncü hafta, bekleme süresi öncesi ve sonrası karşılaştırılır.

Mevsimselliği görebilmek için ise en az 12 ay, grip sezonu gibi yıllık tekrar eden desenleri güvenle ayırmak için 24 aylık seri gerekir. Tek aylık veri "hangi saat yoğun" sorusunu yanıtlar; "kasım ayında ne olacak" sorusunu yanıtlamaz.

Tahmin, vardiya çizelgesine nasıl çevrilir?

Tahmin, çizelgeye doğrudan değil kısıtlar süzgecinden geçerek dönüşür. Talep eğrisi ideal personel dağılımını söyler; hukuki ve idari kurallar ise bu dağılımın uygulanabilir aralığını belirler. Özel sağlık kuruluşlarında çizelge kurulurken aşağıdaki sınırlar bağlayıcıdır.

Denkleştirme, talep dalgalanmasına yasal olarak uyum sağlamanın en doğrudan aracıdır: 4857 sayılı İş Kanunu'nun 63. maddesi, tarafların anlaşmasıyla haftalık normal çalışma süresinin günde 11 saati aşmamak koşuluyla farklı dağıtılmasına izin verir; iki aylık süre içinde haftalık ortalama normal süreyi aşmamak şartıyla yoğun hafta ile sakin hafta birbirini dengeleyebilir. Aynı Kanun'un 69. maddesi gece çalışmasını 7,5 saatle sınırlar, ancak 2015'te eklenen cümleyle sağlık hizmeti yürütülen işlerde işçinin yazılı onayı alınarak bu sınırın üzerine çıkılabileceğini belirtir.

Planlama ufkunu ise idari kural belirler. Sağlık Bakanlığı'nın 81 il sağlık müdürlüğüne gönderdiği MHRS genelgesinde, MHRS'ye esas polikliniklerde tüm hekimler için 30 günlük tanımlı çalışma cetveli bulunması ve sistemdeki görünürlüğün 15 günün altına düşmemesi isteniyor. Dolayısıyla tahmin ufkunun en az 30 gün olması gerekir; bir hafta ilerisini gören bir model, cetveli zamanında besleyemez.

Randevu slot aralıkları işlem tipine göre nasıl ayarlanır?

Randevu slot aralığı, bütün işlemler için tek bir süre yerine işlem tipinin gerçek süresine göre ayarlanmalıdır. İlk muayene ile kontrol muayenesi aynı süreyi tüketmez; hepsini aynı kalıba sokmak ya boş zaman ya da birikmiş kuyruk üretir. Gerçek süreler zaten sistem kayıtlarındadır.

Yöntem basittir: son üç ayın kayıtlarından işlem tipi bazında muayene süresinin ortancası ve 75. yüzdeliği hesaplanır, slot aralığı ortancaya değil 75. yüzdeliğe yakın belirlenir. Ortancaya göre kurulan çizelge, günün yarısında geriye düşer ve gecikme birikir. Aynı Bakanlık genelgesi de randevu aralıklarının hekimler tarafından oluşturulup başhekimliklerce onaylanmasını, az zamanda çok hasta bakmak yerine yaygın poliklinik hizmetiyle kapasite artırılmasını istiyor.

Karma slot düzeni de işe yarar: sabahın ilk iki saati uzun süren ilk muayenelere, öğleden sonrası kısa kontrollere ayrıldığında aynı hekim saatiyle daha çok hasta bakılabilir ve gecikme gün içine yayılmaz.

Kazanç hangi göstergelerle ölçülür?

Kazanç, tahminin isabetiyle değil işletme göstergelerindeki değişimle ölçülür. Model hatası tek başına bir sonuç değildir; çizelge değişmediyse iyi bir tahmin hiçbir şeyi iyileştirmez. Aşağıdaki beş gösterge, değişimden önce ve sonra en az dört hafta boyunca izlenmelidir.

MAPE için gerçekçi bir beklenti belirlemek gerekir. Sistematik derlemede örnek olarak aktarılan hata değerleri %3 ile %22,96 gibi birbirinden çok uzak noktalara dağılıyor; derlemenin yazarları raporlamada ortak bir standart bulunmadığını da vurguluyor. Pratikte küçük bir poliklinikte günlük toplam için tek haneli, saatlik kırılımda çift haneli hata normaldir. Küçük sayılarda yüzde hatanın hızla büyüdüğü unutulmamalıdır.

Bu yaklaşım nerede yanılır?

Yanılma payı iki yerden gelir: modelin kendisinden ve modelin karara dönüşmemesinden. İkincisi daha sık görülür. Aynı sistematik derlemenin yazarları, acil servislerin başvuru tahmininden gerçekten fayda sağlayıp sağlamadığının açık olmadığını, model geliştirme ile sahadaki uygulama arasında bir boşluk bulunduğunu açıkça belirtiyor.

Model tarafındaki sınır ise yapısal kırılmalardır. Yeni bir hekimin işe başlaması, yakındaki bir hastanenin kapanması veya salgın dönemi, geçmiş veriden öğrenilen deseni geçersiz kılar; böyle durumlarda tahmin birkaç hafta boyunca sistematik olarak sapar ve elle müdahale gerekir. Aylık bir gözden geçirme toplantısı bu sapmaları yakalamanın en ucuz yoludur.

Veri tarafında ise sayım verisiyle çalışıldığı sürece kişisel veri işlenmemiş olur; ancak hasta bazlı kırılıma inildiğinde konu özel nitelikli kişisel veri rejimine girer. Sınırın nerede olduğunu klinikte yapay zeka ve KVKK uyum rehberinde ayrıntılı ele aldık.

Poliklinikte kapasite ve çizelge değerlendirmesi yaptırmak, mevcut veriyle nereye kadar gidilebileceğini görmenin en hızlı yolu. Kliniğinizin başvuru dökümünden başlayan bir değerlendirme için yapay zeka çözümleri sayfamız üzerinden bize ulaşabilirsiniz.